标签: AI

  • 我问AI:农场主小曲是怎么火的

    我问 AI:农场主小曲是怎么火的

    前言

    最近我看 B 站收集一些节目灵感,突然发现很多游戏区 Up 非常喜欢用 Mississippi Fred McDowell 《 You Gotta Move 》这首歌做背景音乐,非常好奇为什么这些人都选用了这首歌,便用 AI 帮我找找答案。

    熟悉 AI 的朋友应该知道,不同的 AI 有不同的特性,搜索出的结果也不同。我给 Deepseek 、 Kimi 、豆包、 ChatGPT 都提出同一个问题:「歌曲 《you gotta move 》经常被 b 站游戏区 up 主当做背景音乐。这首歌是如何走红的?」 整理了一下它们的回答,感觉还蛮有意思的,分享一下。

    Deepseek

    Deepseek 识别错了我的问题,它觉得我应该说的是 《You Gotta Be 》而非 《You Gotta Move 》,检索 《You Gotta Be 》又找不到走红的案例,就把歌曲本身的属性分析了一通。但是我们看这个结果,其实没有分析出具体的特征,甚至这些文字都可以套用在其他歌曲上。

    于是我纠正了一次,明确指出歌曲是 《You Gotta Move 》。这下 Deepseek 识别出了歌曲的出处和风格特征,然而总结出走红原因是 「击杀神曲」,似乎与事实相悖。

    Kimi K2 模型

    Kimi 简要介绍了 《You Gotta Move 》的起源和走红原因。关键词 「农场主小曲」 与豆包生成答案一致,且在 B 站进行关键词验证是能搜索出相关内容的。

    Kimi 算是基本完成了任务。

    豆包

    相比于前两位,豆包从歌曲起源、游戏区适配性、网络传播路径、艺术在网络文化中发展四个方面给出了详尽的解答与总结,在这场比赛中全面胜出。

    ChatGPT

    ChatGPT 作为外国产品,对中文互联网内容的抓取与分析存在着天然的弱势,所以我不抱期望地尝试了一下,结果不出所料。

    ChatGPT 很准确地查找出了歌曲的源头,但是对歌曲走红的分析有着严重的错误,甚至伪造了 「You Gotta Move (Dubloadz Remix)」 版本的歌曲。

    总结

    说一些老生常谈的事情。

    这几年 AI 技术发展非常迅速,但是仍然无法避免产生 「AI 幻觉」,也就是说会编造虚假内容。所以大家看我在使用 AI 平台提问时进行了两个步骤:

    1. 不轻信单个 AI,将不同 AI 答案进行比对验证;
    2. 根据 AI 答案的关键词,在相应平台 (B 站) 搜索关键词,以验证答案的准确性。

    AI 的用户必须警惕 AI 生成的答案,在寻求客观答案时必须明确向 AI 索要可验证的引用链接或文献出处,明确告知 AI 在不确定时应回答 「我不知道」,并进行人工核实。

  • 测试chatGPT 4o图像生成模型有感

    测试 chatGPT 4o 图像生成模型有感

    这几天测试了一下 chatGPT 4o 最新的图像生成模型,大为震撼。

    它突破了以往图像生成模型无法理解手指和文字的限制,能生成较为自然的手部和具有完整语义的文字。

    其次,与以往使用 midjourney 、 stable diffusion 最大的不同在于,结合了 chatGPT 语言模型的图像生成让我可以用自然语言而非提示词组合去指示模型生成图像。这让我感觉我变成了真正的甲方,而 4o 变成了一个更加拟人的乙方,配合着我的想法做着高效的产出。

    尽管在图像生成的连续性上还是会产生较大抖动,生成的图像在细节上有待调整,但是透过它我看到了未来图像生成技术该有的模样:只要我想象得出来,并且能用大白话描述清楚,那么它就能实现我所想的画面。

    另一方面,结合前阵子了解到的 Topaz Gigapixel AI 这种挂载 AI 模型的图像放大修复软件,我也在感慨最近几年图像生成模型的飞速迭代。它们真的能替代很多基础的修图与绘画工作,极大地提高设计师的工作效率。不知不觉间它们就会成为设计师必备的基础技能,所以必须时刻保持对最新前沿技术的敏感与关注。